定量生物学 > 种群与进化
[提交于 2025年7月14日
]
标题: 感染和疫苗接种后抗体动力学的概率建模:一种马尔可夫链方法
标题: Probabilistic Modeling of Antibody Kinetics Post Infection and Vaccination: A Markov Chain Approach
摘要: 理解抗体水平的动态变化对于描述对免疫事件(无论是感染还是疫苗接种)的时间依赖性反应至关重要。这些事件的顺序和时间显著影响抗体水平的变化。尽管近年来对该主题有广泛兴趣,并进行了许多实验研究,但免疫事件序列对抗体水平的影响仍未被充分理解。此外,疾病或疫苗在人群中的流行情况是随时间变化的。这结合个人抗体动力学的复杂性,使得分析来自人群的样本免疫测量变得困难。作为解决方案,我们设计了一个严格的数学表征,即一种时间非齐次马尔可夫链模型,用于事件间的转换,并结合一个概率框架来描述多个免疫事件后的抗体动力学。我们证明,这是一个理想的免疫事件序列模型,称为个人轨迹。这种新颖的建模框架通过严格跟踪人口抗体反应的概率分布随时间的变化,超越了易感-感染-恢复(SIR)表征。为了说明我们的观点,我们将数学框架应用于具有多次记录的感染和疫苗接种事件的个体的纵向严重急性呼吸综合征冠状病毒2(SARS-CoV-2)数据。我们的工作是全面理解抗体动力学的重要一步,这可能有助于有效分析自然免疫或疫苗的保护力,预测个体层面的遗漏免疫事件,并为加强剂的时间建议提供依据。
当前浏览上下文:
physics.bio-ph
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.